• / 19
  • 下載費用:30 金幣  

行事歷主動推薦事件的方法.pdf

摘要
申請專利號:

CN201510430692.8

申請日:

2015.07.21

公開號:

CN104992318A

公開日:

2015.10.21

當前法律狀態:

實審

有效性:

審中

法律詳情: 實質審查的生效IPC(主分類):G06Q 10/10申請日:20150721|||公開
IPC分類號: G06Q10/10(2012.01)I; G06F17/30 主分類號: G06Q10/10
申請人: 中華電信股份有限公司
發明人: 林世明; 陳恭佑; 何俊逸; 李建明; 詹鴻吉
地址: 中國臺灣桃園縣楊梅市電研路99號
優先權: 104111870 2015.04.14 TW
專利代理機構: 廣州華進聯合專利商標代理有限公司44224 代理人: 李巍
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201510430692.8

授權公告號:

|||

法律狀態公告日:

2015.11.18|||2015.10.21

法律狀態類型:

實質審查的生效|||公開

摘要

本發明一種行事歷主動推薦事件的方法,是應用于行事歷服務系統上提供一個自動分析與推薦行事歷事件的方法,行事歷系統中的模塊利用行事歷數據庫中已發生的行事歷事件數據,藉由自動分析歷史事件再將結果排序,并依據排序結果主動選擇推薦給使用者,若使用者決定接受該推薦的事件時,將推薦的接受結果反饋給并儲存于行事歷數據庫,旨在使推薦予使用者的事件比傳統分析外部數據的方法更具有準確性方便性。

權利要求書

權利要求書
1.  一種行事歷主動推薦事件的方法,其特征在于,包含下列步驟:
行事歷系統內設置行事歷數據庫;
于該行事歷系統內的擷取模塊自該行事歷數據庫擷取初步數據;
該擷取模塊將該初步數據傳輸至該行事歷系統內的計算分析模塊;
該計算分析模塊將該初步數據通過計算規則產生分析數據;
該計算分析模塊將該分析數據傳輸至該行事歷系統內的排序模塊;
該排序模塊將該分析數據排序產生排序數據;
該排序模塊將該排序數據傳輸至該行事歷系統內的推薦模塊;
該推薦模塊將該排序數據通過推薦規則產生推薦數據;
該推薦模塊將該推薦數據傳輸至該行事歷系統內的使用者接口模塊;
該使用者接口模塊將該推薦數據通過接口顯示產生推薦選項數據;
該使用者接口模塊將該推薦選項數據傳輸至該行事歷系統外部的使用者終端裝置;
該使用者終端裝置將該推薦接口數據通過使用者互動產生推薦選擇數據;
該使用者終端裝置將該推薦選擇數據傳輸至該行事歷系統內部的該使用者接口模塊;
該使用者接口模塊將該推薦選擇數據傳輸至該行事歷系統內的反饋模塊;
該反饋模塊將該推薦選擇數據通過反饋處理產生推薦反饋數據;以及
該反饋模塊將該推薦反饋數據傳輸至該行事歷系統內的該行事歷數據庫。

2.  根據權利要求1所述的行事歷主動推薦事件的方法,其特征在于,步驟進一步包含:
該擷取模塊掃描該行事歷數據庫中所有數據;
該擷取模塊根據篩選條件自該行事歷數據庫擷取至少一歷史事件以產生該初步數據;其中
該歷史事件內設有提醒時間與起始時間。

3.  根據權利要求2所述的行事歷主動推薦事件的方法,其特征在于,
該篩選條件為將該行事歷數據庫中各該歷史事件的該提醒時間與該行事歷數據庫中各該歷史事件的起始時間通過計算產生可能發生時間;以及
該初步數據為該可能發生時間落于一特定區間的各該歷史事件。

4.  根據權利要求3所述的行事歷主動推薦事件的方法,其特征在于,
該篩選條件更為該歷史事件的該起始時間減去一特定時間;以及
該篩選條件為該行事歷數據庫紀錄中的分類卷標為同群的歷史事件。

5.  根據權利要求4所述的行事歷主動推薦事件的方法,其特征在于,步驟進一步包含:
該擷取模塊根據該篩選條件擷取出該初步資料;
該初步資料包含有至少一同群的歷史事件;以及
該擷取模塊將該初步數據根據分群規則進行分群。

6.  根據權利要求5所述的行事歷主動推薦事件的方法,其特征在于,步驟進一步包含:
該分群規則是根據行事歷數據庫紀錄的分類卷標將該初步數據中各該同群的歷史事件分類為包含有至少一筆同群的歷史事件的一群組歷史事件;以及
該擷取模塊根據該行事歷數據庫紀錄的分類卷標將該初步數據中無分類卷標的歷史事件分類為一單獨歷史事件。

7.  根據權利要求6所述的行事歷主動推薦事件的方法,其特征在于,步驟進一步包含:
該計算分析模塊將該初步數據通過計算產生推薦分數;以及
該計算分析模塊更根據各該群組歷史事件中各該歷史數據的該推薦分數通過推薦分數計算規則計算各該群組的群組推薦分數。

8.  根據權利要求7所述的行事歷主動推薦事件的方法,其特征在于,步驟進一步包含:
該擷取模塊將該單獨歷史事件的提醒時間除以該初步數據中各該單獨歷史事件的該提醒時間的最大值作為該推薦分數;以及
該推薦分數計算規則是計算各該群組歷史事件中各該同群的歷史事件的該起始時間的差值的標準偏差作為該群組歷史事件的該推薦分數。

9.  根據權利要求8所述的行事歷主動推薦事件的方法,其特征在于,步驟進一步包含:
該計算分析模塊包含有云端服務加權模塊;
該云端服務加權模塊更連接有個人服務使用紀錄;
該云端服務加權模塊通過該個人服務使用紀錄取得加權值;
該計算分析模塊更將該推薦分數與該加權值通過計算產生加權推薦分數;以及
該計算分析模塊將該初步數據與該加權推薦分數結合為該分析數據。

10.  根據權利要求9所述的行事歷主動推薦事件的方法,其特征在于,步驟進一步包含:
該排序模塊將該分析數據內該初步數據的各該單獨歷史事件依據該分析數據中的該加權推薦分數排序產生該排序數據;以及
該排序模塊將各該群組歷史事件中該些同群的歷史事件依據該加權推薦分數的統計標準偏差的規則排序產生該排序數據。

說明書

說明書行事歷主動推薦事件的方法
技術領域
本發明涉及個人信息管理行事歷技術領域,特別為一種根據行事歷中的歷史事件自動推薦使用者建立未來事件的方法。
背景技術
隨著社會變化使現代人生活逐漸忙碌,人類于生活中對信息科技的方便性與自動性的依賴度逐漸上升,個人信息管理的行事歷即是一種被廣泛應用于記錄與提醒使用者重要事項的信息科技工具。現有技術中已有數種電子行事歷的相關專利與技術方法,但該些專利主要聚焦于行事歷事件的事件輸入與提醒方式,例如美國專利第8363943B2號「電子裝置上的行事歷應用程序生成數據方法」(Forming information for the calendar application of an electronic device)提供了一種經由影像辨識輸入行事歷事件的方法,中國臺灣專利第I351866號「建立電子行事歷的接口、系統及其方法」則建立了友善的使用者操作畫面以便使用者快速操作及輸入行事歷事件,中國臺灣專利第I279695號「從自然語言電子郵件萃取安排計劃信息的方法與裝置」為一種經由剖析電子郵件內容產生行事歷事件的方法,可以得知該些專利的目的均為加速使用者輸入行事歷事件的時間或為加廣行事歷事件輸入的方式。
從技術層面上來看,行事歷的事件大多為行事歷通過與使用者的互動被動產生,但仍有專利嘗試憑借行事歷外部的數據源主動產生行事歷事件,例如前述的中國臺灣專利第I279695號為將電子郵件內容通過自然語言分析自動產生未來可能行事歷事件的方法,目前并無專利方法采用通過行事歷內部資料源(即根據使用者已發生的行事歷歷史事件)自動推薦事件提供使用者輸入成為未來可能事件的方法。如從數據源判斷數據的質量,外部來源的數據內容可能因格式或內容并不統一而具有無法預測性,行事歷系統乃進一步受影響產生誤判并自動加入錯誤的行事歷事件。
上述現有專利中行事歷服務加速行事歷事件的新增多為針對外部數據源自 動化剖析以判斷是否需要新增該數據至行事歷中,該類專利多對外部數據源的內容采用語意分析方法,依據機率模型做出判斷后再根據設定的臨界值自動產生未來行事歷事件,然而高臨界值設定將遺漏潛在可能事件,臨界值設定過低又可能產生大量誤判事件,導致使用者使用該種行事歷的難度增加致使其困擾。反而言之,針對行事歷內部數據源作為分析材料預告可能的未來事件的方法大為優于現有方法,因為已發生過的行事歷內部歷史事件為使用者過去建立的歷史事件,該些內部之歷史事件之間與外部電子郵件數據等相比對使用者的關聯性將高出許多。
發明內容
本發明為一種行事歷內部根據使用者已發生的行事歷事件,經過計算規則產生推薦數據并自動推薦使用者以建立未來事件的方法。
本發明的目的在于提供一種根據使用者已發生的行事歷事件,經過計算規則自動推薦成為使用者未來事件的方法,其至少包含以下步驟:
掃描取得所有行事歷事件;
找出符合條件的歷史事件作為初步事件;
依事件時間參數計算各初步事件的推薦分數;
依推薦分數與另一加權值計算出加權推薦分數;
將初步事件依加權推薦分數排序;
依排序結果列出推薦事件于使用者接口;以及
待使用者于該使用者接口選擇想要的事件后將該想要的事件紀錄于行事歷數據庫。
本發明為一種行事歷主動推薦事件的方法,其中包含有數個模塊的訊息傳遞,其包含如下列步驟:于行事歷系統內設置行事歷數據庫,該行事歷系統內擷取模塊將自該行事歷數據庫擷取初步數據再將該初步數據傳輸至該行事歷系統內的計算分析模塊,該計算分析模塊將該初步數據通過計算規則產生分析數據并將該分析數據傳輸至該行事歷系統內的另一排序模塊,而后該排序模塊將該分析數據排序產生排序數據然后將該排序數據傳輸至該行事歷系統內的推薦 模塊,該推薦模塊將該排序數據通過推薦規則產生推薦數據,至此推薦數據的計算程序完成。
本發明計算程序后的模塊間訊息傳遞步驟更包含:該推薦模塊將該推薦數據傳輸至該行事歷系統內的使用者接口模塊而該使用者接口模塊將會根據該推薦數據產生推薦選項數據并且將該推薦選項數據傳輸至該行事歷系統外部的使用者終端裝置。使用者于該使用者終端裝置上與該推薦接口數據互動的判斷選擇結果將可得到推薦選擇數據,該使用者終端裝置將該推薦選擇數據傳輸回該行事歷系統內部的該使用者接口模塊,該使用者接口模塊將該推薦選擇數據傳輸至該行事歷系統內的另一反饋模塊進行處理后產生推薦反饋數據,該反饋模塊再將該反饋數據傳輸至該行事歷系統內的該行事歷數據庫進行儲存。
該擷取模塊自該行事歷數據庫中擷取數據的方法為先對該行事歷數據庫中所有數據進行掃描,再根據篩選條件擷取復數歷史事件來產生該初步資料,每筆歷史事件內都至少設有一提醒時間和一起始時間,該篩選條件為將該行事歷數據庫中各該歷史事件的該提醒時間與該行事歷數據庫中各該歷史事件的起始時間通過計算產生可能發生時間,該可能發生時間落于一特定區間的各該歷史事件皆會被選入該初步資料,該篩選條件可進一步為該歷史事件的起始時間再減去一特定時間的時間值或是該行事歷數據庫紀錄中的分類卷標為同群的歷史事件,以上為該擷取模塊從該行事歷數據庫中擷取數據的方式。
該擷取模塊更會將篩選出的初步數據加以分類,該擷取模塊擷取出的該初步數據可能包含有分類卷標同群的歷史事件與無分類標簽的歷史事件,該擷取模塊會將該初步數據中同群的歷史事件進行分群成為群組歷史事件并將無分類標簽的歷史事件分類為單獨歷史事件。
將篩選出的分群或單獨歷史事件計算分析的步驟包含:該計算分析模塊首先將該初步數據通過計算產生推薦分數,單獨歷史事件的推薦分數計算方式為將其提醒時間除以該初步數據中各該單獨歷史事件的提醒時間中的最大值者作為其推薦分數,群組歷史事件的推薦分數計算方式為將該群組中各該歷史數據的起始時間的差值的標準偏差作為該群組歷史事件的推薦分數。于推薦分數計算完畢之后,該計算分析模塊將該初步數據基于需要計算出加權值后再將該推 薦分數與該加權值計算得出另一加權推薦分數,該加權推薦分數與該初步數據結合后即產生該分析數據。
最后則為排序方法,該排序模塊會將傳輸來的該分析數據內該初步數據的各該單獨歷史事件依據該加權推薦分數排序產生該排序數據,或是將各該群組歷史事件中該些同群的歷史事件根據該加權推薦分數按照統計標準偏差規則排序產生該排序數據。
綜合上述詳細步驟可知,本發明提供了一種依據使用者先前建立的歷史行事歷事件來自動推薦事件成為使用者建立未來事件的方法,藉由使用者的行事歷歷史事件掃瞄篩選出可能的初步事件,再通過時間參數和加權值得出加權推薦分數,在適時預先依加權推薦分數排序篩選出的歷史事件于使用者接口上并待使用者選取決定后,將該些事件建立為未來事件紀錄于行事歷數據庫以完成事件的推薦,本發明與現有技術相比將有以下優點:
1.本發明使用內部歷史事件數據為依據分析產生推薦事件,可以減少使用外部數據通過語言分析得出的事件相關性較低致產生錯誤判斷新增事件的問題。
2.使用者運用本發明的行事歷時,不須如現有技術的行事歷先設定臨界值等項目并于行事歷實際提醒事件后才明了該如何設定將可得到較佳的提示狀況,省去使用者不必要的困擾。
3.本發明經過內部歷史數據分析后產生的推薦事件結果可將人們生活中不斷重復或每年每月特定日子可能需要做的事于事前提醒,該些推薦結果實用性將會比外部不穩定數據源更高。
4.運用本發明方法的行事歷將分析過后的推薦事件提示予使用者得到反饋數據的事件才加以儲存成為未來計劃,最后決定新增與否由使用者于整理完畢的提醒接口判斷,只需花費很短時間便可再進一步降低系統本身誤判的機會。
附圖說明
圖1為本發明行事歷主動推薦事件的方法的行事歷推薦系統模塊訊息傳遞架構圖;
圖2為本發明行事歷主動推薦事件的尋找推薦事件的方法流程圖;
圖3為本發明行事歷主動推薦事件的方法的第一實施例行事歷實施例數據圖;
圖4為本發明行事歷主動推薦事件的使用者判斷是否選用推薦事件的流程圖;
圖5為本發明行事歷主動推薦事件的方法的第二實施例行事歷實施例數據圖;
圖6為本發明行事歷主動推薦事件的方法的統計分析模塊示意圖;
圖7為本發明行事歷主動推薦事件的方法的第三實施例行事歷實施例數據圖;
圖8為本發明行事歷主動推薦事件的方法的第三實施例云端節目查詢紀錄圖。
符號說明
101  使用者終端裝置
102  使用者接口模塊
103  推薦模塊
104  排序模塊
105  計算分析模塊
1051 云端服務加權模塊
1052 個人服務使用紀錄
106  擷取模塊
107  反饋模塊
108  行事歷數據庫
S201~S206 步驟流程
301  ID
302  起始時間
303  提醒時間
S401~S404 步驟流程
501  ID
502  起始時間
503  提醒時間
504  推薦旗標
505  參考ID
701  ID
702  主旨
703  起始時間
704  提醒時間
705  推薦旗標
706  參考ID
801  ID
802  查詢節目
803  查詢時間
具體實施方式
為了使本發明的目的、技術方案及優點更加清楚明白,下面結合附圖及實施例,對本發明進行進一步詳細說明。應當理解,此處所描述的具體實施例僅用以解釋本發明,但并不用于限定本發明。
本發明提供一種根據使用者已發生的行事歷事件,自動推薦成為使用者未來事件的方法。
請一并參照圖1至圖3,為本發明的一實施例:實施例背景的使用者于去年結婚紀念日前二天于運用本發明方法的電子行事歷中增加一筆買禮物送妻子的行程,并使用本發明的功能于新增事件后建立有提醒時間,隨著一年日子逐漸過去,逼近結婚紀念日時使用者已忘記了這件事情,然而在使用者于例行確認行事歷的一天,行事歷主動提示使用者一年前于一接近今天的日子曾新增有一買禮物送妻子的事件,使用者因此重新記起結婚紀念日并將該事件再加入行事歷中,以避免可能發生的窘境。
如圖1所示,為本實施例中行事歷主動推薦事件的方法的系統架構,包含: 使用者終端裝置101,使用者接口模塊102,推薦模塊103,排序模塊104,計算分析模塊105,擷取模塊106,反饋模塊107,行事歷數據庫108。
如圖2所示,本實施例行事歷主動推薦事件的方法的步驟方法,包含:
步驟S201:開始;
步驟S202:根據規則篩選歷史事件;
步驟S203:根據規則計算事件推薦分數;
步驟S204:將推薦事件排序;
步驟S205:列出推薦事件;以及
步驟S206:結束。
上述行事歷主動推薦事件的方法的步驟方法中,步驟S202根據規則篩選歷史事件可參照圖3所示的行事歷實施例數據,假設使用者登入并使用行事歷時日期為2013/7/29,擷取模塊106會根據該日期找出符合下列條件的所有歷史事件,該條件公式如下:
Dt=Ds′=(Ds-R)-1
該公式中Dt代表登入時的日期、Ds′代表根據計算過后的起始時間、Ds代表起始時間、R代表提醒時間以及減去1乃因為設定系統于事件前1日提醒,而篩選條件公式的意義是起始時間減去提醒時間再減去1日計算出的日期須等于登入時間加上一年。計算步驟如下:
1.提醒時間303字段的提醒時間值為0天且起始時間302字段為起始時間值為2012/7/30的事件,如圖3該擷取模塊106會將其起始時間302域值減去提醒字段303域值的天數,仍然是2012/7/30,故篩選出ID 301域值等于1的該筆資料; 
2.將提醒時間303字段的提醒時間值大于0天的所有事件其起始時間302域值減去提醒字段303域值的天數,余下兩筆事件其運算結果皆為2012/7/30,故擷取模塊106如圖3找出ID 301域值為2、3的這兩筆資料。
3.擷取模塊106合計于該行事歷數據庫108中篩選出如圖3的第1~3筆歷史事件,即為初步資料。
接續如步驟S203,則為該根據規則計算事件推薦分數,如圖3所示,該計 算分析模塊105尋找出該初步數據提醒時間303域值的最大值是6,最大值的事件為ID 301域值為3的該筆事件;再來該計算分析模塊105將計算該初步數據的推薦分數,為先將每個事件的提醒時間303域值除以上述步驟得出的最大值6后以百分比表示,計算推薦分數的公式如下:

S代表推薦分數值,xi代表第i個事件的提醒時間,maxi=1…N xi代表取得所有提醒時間的最大值。根據上述公式,計算圖3中三筆事件的計算分數分別為:ID 301域值1的推薦分數0%、ID 301域值2的推薦分數33%、ID 301域值3的推薦分數100%。
再來為步驟S204該將推薦事件排序,接續上述實施例圖3,該排序模塊104會將初步數據依據分析數據中的推薦分數遞減排序,推薦分數值越大者代表推薦重要性越高,因此將該初步數據依照推薦分數遞減排序后所得結果為:第一位為ID 301域值3的事件、第二位為ID 301域值2的事件、第三位為ID 301域值1的事件。
又其中使用者判斷于使用者終端裝置101上是否選用推薦接口數據的事件流程,如圖4所示:
步驟S401列出推薦的事件;
步驟S402使用者判斷事件是否需要;
步驟S403將使用者想要的事件新增至數據庫;以及
步驟S404以及將使用者的決定記錄起來。
當使用者用使用者終端裝置101通過使用者接口模塊102產生的推薦接口數據使用行事歷系統,其系統與使用者的互動流程如圖1至圖4所示,當步驟S201開始流程之后,步驟S202根據規則篩選歷史事件是通過行事歷系統內的擷取模塊106從該行事歷數據庫108中擷取出初步資料,接著步驟S203根據規則計算事件推薦分數是通過計算分析模塊105來完成,步驟S204將推薦事件排序為通過該排序模塊104完成,而步驟S205列出推薦事件是將排序數據傳輸至該推薦模塊103,最后是尋找推薦數據的流程的結束步驟S206。接著推薦模塊103 通過步驟S401列出推薦的事件傳輸推薦數據至使用者接口模塊102,步驟S402使用者判斷事件是否需要,為使用者可根據需要自行判斷選取,若該推薦數據中的事件為使用者愈新增的事件則執行步驟S403將使用者想要的事件新增至數據庫,步驟S404為將使用者的決定記錄起來,通過反饋模塊107將使用者的決定記錄于行事歷數據庫108中。
請一并參照圖1、圖2和圖5,為本發明的另一實施例,實施例背景為一業務繁忙的使用者于過去兩年曾頻繁拜訪一位客戶五次,然而使用者直至今日已經過一段時間沒有記起這位客戶并再度拜訪,于使用者今日例行的行事歷確認時,該運用本發明的行事歷根據頻率提取使用者過去兩年內曾多次拜訪該位客戶的事件以提醒使用者,使用者記起此客戶并加到行事歷中預定拜訪,及時幫助眾多的使用者達成客戶關懷。
本實施例中行事歷主動推薦事件的方法的系統架構同樣可參照圖1,包含:使用者終端裝置101,使用者接口模塊102,推薦模塊103,排序模塊104,計算分析模塊105,擷取模塊106,反饋模塊107,行事歷數據庫108。
本實施例行事歷主動推薦事件的方法的步驟方法請同樣參照圖2,包含下列步驟:
步驟S201:開始;
步驟S202:根據規則篩選歷史事件;
步驟S203:根據規則計算事件推薦分數;
步驟S204:將推薦事件排序;
步驟S205:列出推薦事件;以及
步驟S206:結束。
其中,步驟S202根據規則篩選歷史事件,可參照圖5的行事歷實施例數據,假設使用者登入的日期為2013/9/14,擷取模塊106將根據以下步驟找出符合規則的所有歷史事件:
1、將歷史數據中推薦旗標504域值為Y且參考ID505域值相同者分類為同
一群,如圖5所示,ID 501域值為1、2、3將被分類為第一群組歷史事件,
ID 501域值為4、5、6者被分類為第二群組歷史事件;
2、各群組歷史事件群按照各群組中每個事件的起始時間502域值時間由先到后的順序排序后再計算出群組中各歷史事件之間的間隔時間天數,計算間隔天數的公式如下:
Dd=Dn-Dn-1
Dd代表起始時間間隔天數的值,Dn代表第n個事件的起始時間而Dn-1代表第n-1個事件的起始時間。如圖5所示,依照上述步驟尋找出的第一群組歷史事件(ID 501域值為1、2、3的事件)中ID 501域值1和值2歷史事件之間的間隔天數為368天,值2和值3的歷史事件之間的間隔天數為393天;而第二群組歷史事件(ID 501域值為4、5、6的事件)當中ID 501域值4和值5事件之間的間隔天數為365天,值5和值6事件之間的間隔天數為367天;擷取模塊106將再根據以下公式計算各群組中事件間隔時間的平均值:

代表間隔時間的平均值,xi代表第i個間隔天數,表示將所有間隔天數相加總,N代表群組內歷史資料總筆數。請參照圖5,擷取模塊106根據步驟計算出第一群組歷史事件平均時間間隔為380天,第二群組歷史事件平均時間間隔為366天,接著需要再計算各群組歷史事件的提醒時間503字段的平均值,第一群組的提醒時間平均值為1天,第二群組的提醒時間平均值也為1天;然后推算出各群組的下一個頻率發生點,其規則為將每群組的最晚一筆歷史事件的起始時間502字段,先加上該群組間隔時間的平均值,再減去該群組提醒時間的平均值后,結果值為2013/9/15者(也就是使用者登入日期2013/9/14的后一天)篩選成為候選群,可參照圖5中的計算第一群組歷史事件(2012/9/1+380-1=2013/9/15)和第二群組歷史事件(2012/9/15+366-1=2013/9/15)乃因此被選為候選群,也就是初步數據。
接著進行步驟S203根據規則計算事件推薦分數,接續參照圖5,計算分析模塊105將計算各群組歷史事件的中每一歷史事件的時間間隔標準偏差,該計算標準偏差的公式如下所列:

SD代表標準偏差值,xi代表第i個間隔天數,代表間隔天數平均值,N表示各群組中所有歷史資料的總筆數,表示將所有間隔天數減去平均值的平方相加總。如圖5的實施例,第一群組歷史事件的標準偏差值為12.5,第二群組歷史事件的標準偏差值為0。
請繼續參照圖5,接續上步驟后是步驟S204將推薦事件排序,根據基本統計原理可得知樣本標準偏差值較小則樣本中變異的程度也會較小,因而將各群的標準偏差升序,排序結果為第二群組歷史事件在前而第一群組歷史事件在后,排序模塊104再將此結果傳輸至推薦模塊103。
此后進入使用者判斷是否選用推薦的事件流程,請參照圖4,包含:
步驟S401列出推薦的事件;
步驟S402使用者判斷事件是否需要;
步驟S403將使用者想要的事件新增至數據庫;以及
步驟S404以及將使用者的決定記錄起來。
當使用者于使用者終端裝置101通過使用者接口模塊102使用行事歷系統,整體系統與使用者的互動流程如圖2和圖4所述,步驟S201開始流程之后,流程步驟S202根據規則篩選歷史事件是通過擷取模塊106取出該使用者所有行事歷數據庫108來完成,步驟S203根據規則計算事件推薦分數是通過計算分析模塊105達成,步驟S204將推薦事件排序是通過排序模塊104完成,而步驟S205流程中列出推薦事件是通過排序模塊104將排序數據傳輸至推薦模塊103以完成,然后尋找推薦事件的方法流程到此結束為步驟S206。之后推薦模塊103執行步驟S401列出推薦的事件,也就是將推薦數據傳輸至使用者接口模塊102,步驟S402使用者判斷事件是否需要才得以進行,若該事件是使用者判斷要新增的則執行步驟S403將使用者想要的事件新增至數據庫,最后步驟S404將使用者的決定記錄起來,通過反饋模塊107把使用者的決定記錄到行事歷數據庫108。
請一并參照圖1、圖2和圖6,為本發明的又一實施例,其背景為使用近日 專注于某一連續于固定時間播出的電視節目,使用者常在云端節目查詢服務中查詢該節目的播放時間并于過去一段時間內頻繁將該些播放時間加入行事歷中,然而使用者忘記將本周的該電視節目播放時間加入本周的行事歷中,使用者的電子行事歷于是提醒使用者過去一段時間新增許多關注該電視節目的事件,使用者于是記起并將此事件再加入未來行事歷,行事歷因此成功幫助使用者不錯過關注的電視節目。
本實施例中行事歷主動推薦事件的方法的系統架構同樣可參照圖1,包含:使用者終端裝置101,使用者接口模塊102,推薦模塊103,排序模塊104,計算分析模塊105,擷取模塊106,反饋模塊107,行事歷數據庫108。
該計算分析模塊105,如圖6所示,更包含:云端服務加權模塊1051并連接個人服務使用紀錄1052。
本實施例行事歷主動推薦事件的方法的步驟方法請參照圖2,包含下列步驟:
步驟S201:開始;
步驟S202:根據規則篩選歷史事件;
步驟S203:根據規則計算事件推薦分數;
步驟S204:將推薦事件排序;
步驟S205:列出推薦事件;以及
步驟S206:結束。
上述步驟S202根據規則篩選歷史事件2,可詳細說明如圖7所示的實施例三行事歷實施例數據,假設使用者登入時的日期為2013/9/13,該擷取模塊106會篩選出符合后續步驟條件的所有事件,首先尋找推薦旗標705域值為Y且參考ID 706域值相同的歷史事件歸類為同一群組,請參照圖7,ID 701域值為1、2、3者為第一群組歷史事件,ID 701域值為4、5、6者為第二群組歷史事件;再將各群中各事件歷史的起始時間703域值按照時間先后順序排序后,再計算各群組內個歷史事件起始時間之間的間隔時間天數,該計算間隔天數的公式如下:
Dd=Dn-Dn-1
Dd代表間隔時間天數的值,Dn代表第n個事件的起始時間,Dn-1代表第n-1個事件的起始時間。如圖7所示,根據上述計算公式計算,第一群組歷史事件(ID 701域值為1、2、3)中其ID 701域值1和值2的事件之間的間隔天數為7天,值2和值3之間的事件間隔天數也為7天;第一群組歷史事件(ID 701域值為4、5、6),其ID 701域值4和值5歷史事件之間的間隔天數為3天,值5和值6歷史事件之間的間隔天數也是3天,再根據以下公式計算各群組中歷史事件間隔時間的平均值,該計算平均值的公式如下所示:

代表間隔時間的平均值,xi代表第i個間隔天數,表示將所有間隔天數相加總,N表示各群組中所有歷史資料的總筆數。請參照圖7的實施例,根據公式計算可得第一群組中各歷史事件間隔的平均時間為7天,第二群組中各歷史事件間隔的平均時間為3天,再繼續計算各群中各歷史事件的提醒時間704字段的平均值,請參照圖6,第一群組的平均時間提醒時間為1天,第二群組的平均提醒時間也為1天;接著計算出各群組依頻率下一個歷史事件的發生時間,其規則是將每個群組中的最晚一筆歷史事件的起始時間703字段,先加上該群組間隔時間的平均值再減去提醒時間的平均值,若其值為2013/9/14者(使用者登入日期2013/9/13的后一日)則篩選成為候選群,如圖6所示,第一群組歷史事件(2013/9/8+7-1=2013/9/14),第二群組歷史事件(2012/9/12+3-1=2013/9/14)都被列為候選群,也就是初步數據。
再來是步驟S203根據規則計算事件推薦分數,繼續參考實施例數據圖7,首先計算分析模塊105將計算該初步數據中各候選群中的歷史事件時間間隔的標準偏差,該計算標準偏差的公式如下所示:

SD代表標準偏差值,xi代表第i個間隔天數,代表間隔天數平均值, 表示將所有間隔天數減去平均值的平方相加總,N代表各群組中 所有歷史數據的總筆數。如圖7所示,第一群組歷史事件的標準偏差值為0,第二群組歷史事件的標準偏差值也為0,接下來該計算分析模塊105采用加權方法計算加權推薦分數,如圖8所示為一云端節目查詢紀錄,按照當日時間篩選查詢時間803字段以得出使用者上一個月內的云端節目查詢紀錄列表,而根據該云端節目查詢紀錄列表計算加權推薦分數的公式如下:

Sw代表加權推薦分數,w為加權權重值(于圖8實施例中該值初始設定為1),A為圖8查詢節目802的字段與圖7主旨702域值相同數的累計值(若無相同者則此值設定為1)。請參照圖8,根據加權推薦分數的公式計算出第一群組歷史事件的加權推薦分數為(0+1)/4=0.25,第二群組歷史事件的加權分數則為(0+1)/2=0.5。
再來步驟S204將推薦事件排序,繼續參照實施例資料圖7,排序模塊104根據統計原理樣本標準偏差越小者樣本間變異程度越小,變異程度越小者越是穩定于一固定頻率會發生的事件,在本實施例中也就是使用者查詢并新增到行事歷的該電視節目的歷史紀錄,綜合以上根據各群組歷史事件的群組標準偏差升序,如圖7所示得出的排序結果為第一群組歷史事件(喜愛節目)再來是第二群組歷史事件(個人事件),此排序結果為排序模塊104產生的排序數據。
排序模塊104排序數據傳輸至推薦模塊103,推薦模塊103再接續執行后續流程,將使用者判斷是否選用推薦的事件流程如圖4所示,包含:
步驟S401列出推薦的事件;
步驟S402使用者判斷事件是否需要;
步驟S403將使用者想要的事件新增至數據庫;以及
步驟S404以及將使用者的決定記錄起來。
當使用者利用該使用者終端裝置101通過使用者接口模塊102使用行事歷,行事歷系統與使用者的互動流程請參照圖2和圖4,首先步驟S201開始之后,步驟S202根據規則篩選歷史事件,通過系統的擷取模塊106擷取自行事歷數據庫108擷取初步數據,步驟S203根據規則計算事件推薦分數,是通過計算分析 模塊105與其中的云端服務加權模塊1051通過個人服務紀錄使用紀錄1052完成,步驟S204將所有推薦事件排序通過排序模塊104完成,步驟S205列出推薦事件是將排序數據送到推薦模塊103,然后是尋找推薦事件流程的結束的步驟S206;然后推薦模塊103會執行步驟S401列出推薦的事件,也就是傳輸推薦數據到使用者接口模塊102,步驟S402為使用者判斷事件是否需要,若該事件是使用者選取需要新增的則步驟S403將使用者想要的事件新增至數據庫,最后步驟S404將使用者的決定記錄起來,通過反饋模塊107,將使用者的決定記錄到行事歷數據庫108。
由此實施例可知,該搜集與分析行動裝置使用行為的方法,與現有技術相比較有著相當優點,例如行動裝置系統間兼容性技術問題造成各軟硬件商已開發的模塊無法完全達到成效,以及預先規劃的行動或固定裝置的使用人員可實時獲取建議報告,加速后續工作的處理。此外也可將建議數據傳回行動裝置,展示予使用者,當可優化使用者體驗,本發明實為將使用者行為數據如何在運用于銷售或產品改善方法的應用問題與時效性提供一新穎獨到的見解。
上列詳細說明乃針對本發明的可行實施例進行具體說明,惟該實施例并非用以限制本發明的專利范圍,凡未脫離本發明技藝精神所為的等效實施或變更,均應包含于本案的專利范圍中。
綜上所述,本案不僅于技術思想上確屬創新,并具備現有技術方法所不及的上述多項功效,已充分符合新穎性及進步性的法定發明專利要件,爰依法提出申請,懇請貴局核準本件發明專利申請案,以勵發明,至感德便。

關 鍵 詞:
行事歷 主動 推薦 事件 方法
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
關于本文
本文標題:行事歷主動推薦事件的方法.pdf
鏈接地址:http://www.rgyfuv.icu/p-6381739.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
山东11选5中奖结果走势图